mp3 編碼

在MPEG文件中，沒有主標頭，因為MPEG的音頻文件是由一系列被稱為幀的較小部分組成的。每個幀都是一個具有自己標頭和音頻信息的數據塊。

Layer II,II,III的音頻幀頭都是相同的，不同之處體現在音頻數據的編碼方式。幀本身是由slot組成的。Layer I的slot大小是4字節，其餘情況是1字節。

除了Layer之外，MPEG音頻本身也有3個版本，這個幾個版本的不同之處體現在能處理的採樣率不同(參考 表2.1.2)。MPEG 1 (ISO/IEC 13818-3) 和MPEG2(ISO/IEC 11172-3)是ISO標準. MPEG2.5對MPEG2進行的非官方的擴展，它是為了支持更低的採樣率。MPEG2/2.5 也常被簡稱為LSF（Low SamplingFrequencies），既低採樣率

對於Layer I和Layer II，幀是完全彼此獨立的，因此您可以剪切MEPG音頻文件的任何部分並正確的播放。然後，播放器將從發現的第一個完整有效的幀開始播放。但是，Layer III,幀不總是獨立的，因為它可能使用了byte resevoir，這是一種內部緩衝區，因此幀之間通常是相互依賴的。在最壞的情況下，可能至少需要輸入9個幀才能解碼單個幀。

如果你需要檢索有關MPEG的音頻文件的信息，那麼可以簡單的找到第一幀，然後從它的header中獲取信息。除比特率外，其他幀中的信息應該與第一個幀是一致的，因為可能當前是VBR的文件。在VBR的文件中，可以在每個幀中更改比特率。例如，為了在整個文件中保持音樂的高質量，當音樂比較複雜時就需要更多的位來做編碼

幀頭本身的長度是32位的(4字節)。幀頭的前十二位(在MPEG2.5擴展的情況下為前十一位)始終設置為1，稱為幀同步。幀還可能有可選的CRC校驗和。它長16位，如果存在，則緊跟在幀頭之後。CRC之後就是音頻數據。通過重新計算CRC並將值與文件中的值進行比較，就可以檢查比特流在傳輸期間是否已經被更改。

一個文件可以被編碼成恆定比特率（CBR）或可變比特率（VBR），這意味着每幀可以有不同的比特率。可變比特率的質量往往比恆定比特率編碼的文件更高，因為他們可以在需要的地方使用更高的比特率。

MP3文件的整體結構:

• [ID3 V2] | [APE 頭]: 可選
  • ID3 V2的頭，大多數最新的MP3，都有這個頭
  • 用於APE格式的頭，現在也用於MPEG
• 第一幀
  • MPEG 音頻頭, 通常大小為4字節.（當Protection bit==0時，幀頭後會有16bit=2byte的CRC，此時幀頭大小為6字節）
  • 邊信息，9/17/32 字節
  • [Xing 頭]: 可選 8－120字節，如果是VBR，多數都有此Xing頭，而且只有第一幀有
  • 音頻數據
• 第二幀
  • 幀頭
  • 邊信息
  • 音頻數據
• 第三幀
  • 幀頭
  • 邊信息
  • 音頻數據
• 最後一幀
  • 幀頭
  • 邊信息
  • 音頻數據
• [TAG]: 可選。128字節的ID3 V1信息，如果沒有前面的ID3 V2，多數都有這個ID3 V1的頭

mp3幀頭編碼

起始位置0位高位開始

MPEG音頻版本

Layer序列號

Protection-bit

比特率

NOTES: All values are in kbps

• V1: MPEG Version 1
• V2: MPEG Version 2 and Version 2.5
• L1: Layer I
• L2: Layer II
• L3: Layer III
• “free”：: free fromat. free bitrate必須保持恆定，並且必須小於允許的最大的比特率. 解碼器不需要支持free bitrate的流
• “bad”: 意思是這個值是不被允許的.

MPEG文件可能具有可變的比特率(VBR)。每一個幀可以用不同的比特率來創建。這是可以在所有的layer中使用。Layer III必須這個方式，Layer I 和 Layer II 解碼器可以選擇支持 針對Layer II，不允許使用比特率和模式的一些組合。下面是一些允許的組合

採樣率

抽樣速率指定每秒鐘有多少個樣本被記錄。每個MPEG版本可以處理不同的samplingrates。

Padding-bit

如果設置了，則用一個slot填充數據(slot對框架大小的計算很重要) Layer I的slot大小是4字節，其餘情況是1字節。

channel模式

注意:雙通道文件由兩個獨立的單聲道組成。每一個都只使用了文件的一半比特率。大多數解碼器將其輸出為立體聲，但情況並非總是如此。使用一個例子是在相同的比特流中承載了兩個不同語言的語音，那麼解碼器需要僅解碼所選擇的語言進行播放

模式擴展

擴展模式被用來增加了一些沒有在立體聲效果使用的信息，從而減少了所需的位。這些位由在Joint stereo模式下的編碼器動態的確定，每一個幀的Joint stereo都可以改變，甚至可以打開或者關閉

MPEG文件的整個的頻率範圍分為了多個子帶，共有32個子帶。對於Layer I和Layer II來說兩個位確定了當應用intensity stereo時的頻率範圍（頻帶）。針對Layer III，這兩個位決定了使用哪一種類型的joint stereo（intensity stereo或者m/s stereo）. 頻率範圍由解壓縮算法來確定

Layer III:

Emphasis

MP3邊信息

邊信息緊接着幀頭。它包含了一些解碼器會用到的一些信息，用於解碼器控制音頻流的播放，但不包含實際的音頻數據。下表顯示了所有Layer III文件的邊信息的大小

對於Layer I的文件，你必須考慮到擴展模式（見表2.1.6）。然後你可以以下公式計算出用於計算CRC的比特位的數量：

4 * ( 聲道數 * bound of intensity stereo + (32 – bound of intensity stereo) );

這可以被讀成兩倍的立體聲子帶加上單子帶的數量和結果乘以4。對於簡單的mono幀，這等於128，因為通道的數目是1，而強度立體聲的邊界是32，這意味着沒有強度立體聲。對於立體幀，這是256。有關更多信息，請查看類CMPAFrame中的rc代碼。

MP3解析的解析

基於MPG123庫

核心數據結構

typedef struct mpstr_tag {
    struct buf *head, *tail; /* buffer linked list pointers, tail points to oldest buffer */
    int     vbr_header;      /* 1 if valid Xing vbr header detected */
    int     num_frames;      /* set if vbr header present */
    int     enc_delay;       /* set if vbr header present */
    int     enc_padding;     /* set if vbr header present */
    /* header_parsed, side_parsed and data_parsed must be all set 1
       before the full frame has been parsed */
    int     header_parsed;   /* 1 = header of current frame has been parsed */
    int     side_parsed;     /* 1 = header of sideinfo of current frame has been parsed */
    int     data_parsed;
    int     free_format;     /* 1 = free format frame */
    int     old_free_format; /* 1 = last frame was free format */
    int     bsize;
    int     framesize;
    int     ssize;           /* number of bytes used for side information, including 2 bytes for CRC-16 if present */
    int     dsize;
    int     fsizeold;        /* size of previous frame, -1 for first */
    int     fsizeold_nopadding;
    struct frame fr;         /* holds the parameters decoded from the header */
    struct III_sideinfo sideinfo;
    unsigned char bsspace[2][MAXFRAMESIZE + 1024]; /* bit stream space used ???? */ /* MAXFRAMESIZE */
    real    hybrid_block[2][2][SBLIMIT * SSLIMIT];
    int     hybrid_blc[2];
    unsigned long header;
    int     bsnum;
    real    synth_buffs[2][2][0x110];
    int     synth_bo;
    int     sync_bitstream;  /* 1 = bitstream is yet to be synchronized */

    int     bitindex;
    unsigned char *wordpointer;
    plotting_data *pinfo;

    lame_report_function report_msg;
    lame_report_function report_dbg;
    lame_report_function report_err;
} MPSTR, *PMPSTR;

數據結構關鍵字段說明:

• struct buf *head, *tail
  • 這是一個字符串雙向鏈表
  • head 是外部請求輸入的buffer
  • tail 是獲取的之前的buffer，解析的時候從tail開始。解析後會更新pos位置
• wordpointer是指向bsspace的指針
  • decodeMP3_clipchoice中每次計算出頭的大小，side info的大小，data的大小，都會複製到這個指針的內存裡面，使用copy_mp來複制，複製的源是tail中的數據
  • 消費者在commong.c中的一系列的getbits函數，這些函數會更新bitindex以及wordpointer的指向getbitsgetbits_fastget_leq_8_bitsget_leq_16_bits
• bsspace是位流的空間

decodeMP3_clipchoice是核心的入口函數

關鍵的流程解析：

• addbuf
  • 將輸入的需要解碼的數據，插入到head的buffer中